会员服务
吉布斯(Gibbs)抽样方法是 Markov Chain Monte Carlo（MCMC）方法的一种，也是应用最为广泛的一种。
Nested Sampling with Slice-within-Gibbs: Efficient Evidence Calculation for Hierarchical Bayesian Models
Arxiv
0+阅读 · 2月19日
Optimization and Regularization Under Arbitrary Objectives
Arxiv
0+阅读 · 2月15日
Weak Poincaré inequalities for Deterministic-scan Metropolis-within-Gibbs samplers
Arxiv
0+阅读 · 2月16日
Oracle-based Uniform Sampling from Convex Bodies
Arxiv
0+阅读 · 2月16日
Bayesian Signal Component Decomposition via Diffusion-within-Gibbs Sampling
Arxiv
0+阅读 · 2月11日
Exact Gibbs sampling for stochastic differential equations with gradient drift and constant diffusion
Arxiv
0+阅读 · 1月31日
Test-Time Anchoring for Discrete Diffusion Posterior Sampling
Arxiv
0+阅读 · 1月30日
Bayesian Semi-Blind Deconvolution at Scale
Arxiv
0+阅读 · 1月14日
A Symmetric Random Scan Collapsed Gibbs Sampler for Fully Bayesian Variable Selection with Spike-and-Slab Priors
Arxiv
0+阅读 · 1月10日
Quantum generalizations of Glauber and Metropolis dynamics
Arxiv
0+阅读 · 1月23日
Distributed Learning over Noisy Communication Networks
Arxiv
0+阅读 · 1月28日
Entropy contraction of the Gibbs sampler under log-concavity
Arxiv
0+阅读 · 1月20日
Extensions of the solidarity principle of the spectral gap for Gibbs samplers to their blocked and collapsed variants
Arxiv
0+阅读 · 1月11日
Scalability of Metropolis-within-Gibbs schemes for high-dimensional Bayesian models
Arxiv
0+阅读 · 1月9日
Fast Gibbs Sampling on Bayesian Hidden Markov Model with Missing Observations
Arxiv
0+阅读 · 1月4日
参考链接
微信扫码咨询专知VIP会员
Top